(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210472649.8
(22)申请日 2022.04.29
(71)申请人 重庆理工大 学
地址 400000 重庆市巴南区红光大道69号
(72)发明人 王勇 蒋莉君
(74)专利代理 机构 成都东唐智 宏专利代理事务
所(普通合伙) 51261
专利代理师 晏辉
(51)Int.Cl.
G06T 5/00(2006.01)
G06V 10/80(2022.01)
(54)发明名称
一种能同时平衡上下文信息和空间细节的
低光图像增强方法
(57)摘要
本发明公开了一种能同时平衡上下文信息
和空间细 节的低光图像增强方法, 涉及图像处理
技术领域。 本发明利用CIRNet 子网络和SIRNet子
网络恢复图像的上下文信息和空间细节, 利用上
下文‑空间特征融合模块融合两部分信息, 包括
以下步骤: S1.构建配对的数据集, 数据集包括低
光照图像和正常光照图像, 其中每张低光照图像
Ilow对应同一场景的正常光照图像Iref; S2.输入
低光图像Ilow到网络中; S3.提取低光图像Ilow的
浅层特征。 本发明通过新上下文 ‑空间特征融合
模块, 该模块利用编解码网络学习到的多尺度图
像语义特征和全分辨率网络学习到的输入图像
和输出图像间的点对点关系进行增强, 显著提升
了模型的恢复 效果。
权利要求书2页 说明书9页 附图3页
CN 114897718 A
2022.08.12
CN 114897718 A
1.一种能同时平衡上下文信息和空间细节的低光图像增强方法, 其特征在于, 利用
CIRNet子网络和SIRNet子网络恢复图像的上下文信息和空间细节, 利用上下文 ‑空间特征
融合模块融合两 部分信息, 包括以下步骤:
S1.构建配对的数据集, 所述数据集包括低光照图像和正常光照图像, 其中每张低光照
图像Ilow对应同一场景的正常光照图像Iref;
S2.输入低光图像Ilow到网络中;
S3.提取低光图像Ilow的浅层特 征;
S4.CIRNet分支利用多尺度特征学习方式巧妙地提取上下文语义信息, 编解码网络包
含3个encoder(EB1, EB2和EB3)和3个decoder(DB1, DB2和DB3)。 每个编码模 块以不同尺度的特
征作为输入, 每 个解码模块输出不同尺度的恢复图像;
S5.SIRNet分支利用全分辨 率子网络保留输入图像到 输出图像的点到点 位置信息;
S6.上下文‑空间特征融合模块CSF F融合两个分支的输出 特征;
S7.输出最终增强的低光图像。
2.根据权利要求1所述的一种能同时平衡上下文信息和空间细节的低光图像增强方
法, 其特征在于: 在S3中, 所述浅层特征提取模块使用一个卷积模块和一个通道注意力模
块, 公式如下:
fshallow=fCAB(fConv(Ilow))。
3.根据权利要求1所述的一种能同时平衡上下文信息和空间细节的低光图像增强方
法, 其特征在于: 在S4中, 所述CIRNet分支采用UNet ‑like网络恢复图像的上下文信息, 所述
encoder和decoder都由两个通道 注意力模块组成;
所述编码阶段由三个encoder组成, 第一个encoder以所提取的浅层特征作为输入, 其
余两个encoder以上一个encoder的输入和Focus模块逐像素 下采样的特 征作为输入;
多尺度浅层特 征和Focus采样特 征通过特征注意模块进行融合后输入到编码器中,
特征注意模块以两个特征作为输入, 将压缩无用信 息后的特征输入到一个卷积模块中
得到精炼的特征, 该精炼后的特征和原始输入特征进行融合得到最后输入到encoder中的
特征, 公式如下:
fconcat=[fFocus,fshallow]
其中, 每个decoder之前通过监督注意模块输出增强的多尺度恢复图像, 同时向下一个
每个encoder传入当前 特征中有用的信息, 公式如下:
4.根据权利要求1所述的一种能同时平衡上下文信息和空间细节的低光图像增强方
法, 其特征在于: 在S5中, 所述SIRNet分支由三个原始分辨率单元组成, 每个原始分辨率单
元由1个通道 注意力模块组成;
网络中所有特征和输入图像尺寸相同, 以恢 复输入图像到输出图像的点对点的精细位权 利 要 求 书 1/2 页
2
CN 114897718 A
2置关系, 公式如下:
5.根据权利要求1所述的一种能同时平衡上下文信息和空间细节的低光图像增强方
法, 其特征在于: 在S6中, 通过初步融合特征经过一个1 ×1卷积层, 一个ReLu激活函数层和
一个3×3卷积层得到精炼的融合特征, 该特征分别经过设计好的提取上下文信息的注意力
模块和提取空间位置细节的注意力模块, 分别经过sigmoid激活函数, 得到re ‑calibrate的
特征, 通过像素相乘加权 到原始特征中以分别精炼原输入特 征的上下文信息和空间特 征。
6.根据权利要求5所述的一种能同时平衡上下文信息和空间细节的低光图像增强方
法, 其特征在于: 所述上 下文‑空间特征融合模块主 要包括:
利用像素相加融合初始不同语义内容的特 征;
通过上下文信息注意力模块和空间细节 注意力模块对融合特 征加权;
使用加权信息对初始输入特 征进行增强。
7.根据权利要求6所述的一种能同时平衡上下文信息和空间细节的低光图像增强方
法, 其特征在于: 所述上下文信息注意力模块将 融合的特征分别通过全局平均池化层和全
局最大池化层进行处 理, 再通过一个卷积层和激活层得到能注意上 下文信息的权 重。
8.根据权利要求6所述的一种能同时平衡上下文信息和空间细节的低光图像增强方
法, 其特征在于: 所述空间细节注意力模块将融合的特征先后输入到卷积层, 激活层和卷积
层, 得到注意空间细节的权 重。
9.根据权利要求1所述的一种能同时平衡上下文信息和空间细节的低光图像增强方
法, 其特征在于: 还 包括低光增强网络, 所述低光增强网络的损失函数如下:
LSSIM=1‑SSIM(Ienhanced,Iref)
权 利 要 求 书 2/2 页
3
CN 114897718 A
3
专利 一种能同时平衡上下文信息和空间细节的低光图像增强方法
安全报告 >
其他 >
文档预览
中文文档
15 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共15页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:35:20上传分享